Mensagens anteriores

O FFmpeg, uma das mais essenciais e ubíquas ferramentas open-source para manipulação de ficheiros de áudio e vídeo, acaba de dar um passo gigante, entrando oficialmente no mundo da Inteligência Artificial (IA). A novidade é a inclusão de um novo filtro de áudio, af_whisper, que permite o reconhecimento automático de voz (ASR) diretamente dentro do ecossistema FFmpeg.

Esta atualização representa uma mudança de paradigma para o software, que se expande para além do processamento de multimédia tradicional para abraçar as capacidades da IA.

O poder do Whisper.cpp agora nativo no FFmpeg

O novo filtro integra a biblioteca whisper.cpp, adicionando um poderoso modelo de IA aos fluxos de trabalho de processamento de multimédia. Para os utilizadores, isto significa que tarefas que antes exigiam processos externos e múltiplos passos podem agora ser consolidadas num único e eficiente comando na linha de comandos.

As opções do novo filtro permitem uma transcrição altamente flexível, com a possibilidade de:

• Escolher o modelo de IA a ser utilizado.

• Especificar o idioma do áudio.

• Definir o formato de saída, como texto simples, SRT (para legendas) ou JSON.

• Processar tanto ficheiros pré-gravados como transmissões de áudio em tempo real.

• Utilizar a Deteção de Ativação por Voz (VAD) para melhorar a precisão e eficiência da transcrição.

Simplificar processos e abrir novas portas

Esta nova funcionalidade simplifica drasticamente o processo de transcrição para criadores de conteúdo, arquivistas e programadores. A capacidade de gerar ficheiros de legendas, como SRTs para vídeos e podcasts, ou de realizar transcrições de áudio ao vivo para streaming, está agora ao alcance de um simples comando. Segundo o commit oficial no repositório do FFmpeg, o filtro utiliza uma técnica de fila que permite aos utilizadores equilibrar a precisão da transcrição com a velocidade de processamento.

Além disso, o suporte para aceleração por GPU pode acelerar significativamente todo o processo, poupando tempo e esforço consideráveis a quem necessita de transcrever conteúdo de áudio. A integração abre ainda um precedente para que o FFmpeg adicione outros modelos de IA e machine learning no futuro, solidificando a sua posição como uma ferramenta padrão da indústria.